மனிதர்களுக்கு அருகில் பாதுகாப்பாக இயங்குவது: ஹ்யூமானாய்ட் ரோபோட்டுகளின் உண்மையான சவால்

உண்மையான சவால் நடப்பது மட்டும் அல்ல

ஹ்யூமானாய்ட் ரோபோட்டுகள் கட்டுப்படுத்தப்பட்ட காட்சிப்படுத்தல்களிலிருந்து மக்கள் பகிர்ந்து பயன்படுத்தும் சூழல்களுக்கு நகரும் போது, தூய இயக்கத்தை விட ஒரு பிரச்சினை மேலும் மையமாகிறது: சூழ்நிலை-அறிவு. The Robot Report-இல் வெளியான சமீபத்திய தொழில்துறை பகுப்பாய்வு, ஹ்யூமானாய்ட் அமைப்புகள் வெறும் சமநிலையை பேணுதல், நடப்பது, மற்றும் பொருட்களை கையாளுதல் மட்டுமல்லாமல், மனிதர்களை உணர்ந்து, வேகமாக மாறும் சூழலைப் புரிந்து, தீங்கு விளைவிக்காமல் இருக்க மிக வேகமாகப் பதிலளிக்கவும் வேண்டும் என்று வலியுறுத்துகிறது.

இந்த அணுகுமுறை பயனுள்ளதாக உள்ளது; ஏனெனில் அது கவனத்தை காட்சித்தன்மையிலிருந்து கணினி அமைப்புப் பொறியியலுக்கு மாற்றுகிறது. மனிதர்களின் அருகில் இயங்கும் ஹ்யூமானாய்ட் ரோபோட்டுக்கு, மக்கள் தானாகவே பயன்படுத்தும் திறன்களைப் போன்றவற்றை நகலெடுக்க வேண்டும்: சமநிலையை பேணுதல், நகரும் தடைகளை அடையாளம் காணுதல், காட்சி மற்றும் ஒலி உள்ளீடுகளைப் புரிந்துகொள்வது, மற்றும் மில்லிவினாடி பகுதிகளில் நடத்தையை சரிசெய்வது. ரோபோட்டிக்ஸில் இதன் பொருள் சென்சார்கள், புராசஸர்கள், தொடர்பு இணைப்புகள் மற்றும் கட்டுப்பாட்டு வளையங்கள் ஆகியவற்றில் பரவியுள்ள அடர்த்தியான ஒருங்கிணைப்பு சிக்கல்.

விஷன் அடிப்படை, ஆனால் தாமதமே தடையாகிறது

அறிக்கை ஹ்யூமானாய்ட் சூழ்நிலை-அறிவுக்கான தொடக்கப் புள்ளியாக vision-ஐ வலியுறுத்துகிறது. RGB image sensors வழக்கமான காட்சி உள்ளீட்டைப் பிரதிபலிக்க முடியும்; depth-ஐ time-of-flight, structured light அல்லது stereo vision systems மூலம் சேர்க்கலாம். ஆனால் படங்களைச் சேகரிப்பது தொடக்கம் மட்டுமே. அந்தத் தகவலை ரோபோட்டுக்குள் மிக வேகமாகக் கடத்தி, அது செயல்பாட்டைத் தகவலளிக்கும்படி செய்வதே கடினமான பகுதி.

மேம்பட்ட ரோபோட்டிக்ஸில் இந்தச் சவால் மீண்டும் மீண்டும் தோன்றுகிறது. கேமராக்கள் பெரும்பாலும் தலை அல்லது உடல் பகுதியில் இருக்கும், ஆனால் முதன்மை புராசஸர் வேறு இடத்தில் இருப்பதால் இயந்திரத்துக்குள் நீளமான data path உருவாகிறது. அந்தப் பாதைகள் latency-ஐ உருவாக்கலாம்; ரோபோட் மனிதர்களின் அருகில் வேகமான அசைவுகளைச் செய்யும்போது latency ஆபத்தாக மாறுகிறது. குறைந்த latency தேவைகள், எல்லாவற்றையும் மையக் கணினியில் நம்புவதற்குப் பதிலாக, சில processing-ஐ தொடர்புடைய sensor அல்லது actuator-க்கு அருகே நகர்த்தலாம் என்று பகுப்பாய்வு கூறுகிறது.

வேறு வார்த்தைகளில் சொன்னால், ஹ்யூமானாய்ட் விழிப்புணர்வு perception பிரச்சினை மட்டுமல்ல. அது architecture பிரச்சினையும் ஆகும். ரோபோட் பார்க்கவும் வேண்டும்; அதே நேரத்தில் தகவலும் முடிவுகளும் தனது உடலுக்குள் நேரத்தில் நகர வேண்டும்.

பகிர்ந்திடப்பட்ட இடங்களில் பாதுகாப்புக்கு வேகமான ஒருங்கிணைப்பு தேவை

மனிதர்கள் நிலைபெற்ற தடைகள் அல்ல என்பது இந்தக் கட்டுரையின் விரிவான கருத்து. அவர்கள் திடீரென நகர்கிறார்கள், நோக்கத்தை மாற்றுகிறார்கள், மற்றும் ஒத்திசைவு இல்லாத நடத்தை காட்டுகிறார்கள். கட்டுப்படுத்தப்பட்ட மாறிகள் நிறைந்த warehouse aisle-க்காக வடிவமைக்கப்பட்ட ரோபோட், மனிதர்களுடன் நெருக்கமாகச் செயல்பட வேண்டிய ரோபோட்டிலிருந்து வேறு பணியைச் செய்கிறது.

இதன் பொருள் sensor fusion மற்றும் timing மையமாகின்றன. காட்சி உள்ளீடு, சமநிலைத் தகவல், மற்றும் actuator response ஆகியவை ஒருங்கிணைக்கப்பட்டு, ரோபோட்டைச் சுற்றி ஒரு பாதுகாப்பான செயல்பாட்டு மண்டலம் வரையறுக்கப்பட்டும் அது real time-ல் புதுப்பிக்கப்படவும் வேண்டும். அமைப்பு மெதுவாகவோ, ஒத்திசைவின்மையோ, அல்லது மிகுந்த சுமையோ கொண்டிருந்தால், ஹ்யூமானாய்ட் demo-வில் திறமையாகத் தோன்றினாலும், கலப்பு சூழல்களில் நடைமுறைப் பயன்பாட்டுக்கு தகுதியற்றதாக இருக்கும்.

இதனால் தான் ஹ்யூமானாய்ட் போட்டி headline videos-ல் தோன்றுவது போல வேகமாக இருக்காது; அது அதிகம் உட்கட்டமைப்பு சார்ந்ததாக இருக்கும். எல்லை என்பது சிறந்த கைகள் அல்லது இயல்பான நடை அல்ல. அது uncertainty-இல் deterministic system behavior ஆகும்.

கட்டுரை hardware stack பற்றி சொல்வது

இந்தக் கட்டுரை Gigabit Multimedia Serial Link, அதாவது GMSL-ஐ, குறைந்த latency-இல் நீளமான உள் தூரங்களுக்கு visual data-வை கடத்த உதவும் தொழில்நுட்பமாக சுட்டிக்காட்டுகிறது. அறிக்கை, இந்தத் தொழில்நுட்பம் automotive systems-இல் ஏற்கனவே நிலைபெற்றதாகவும், robotics-க்கு இப்போது பொருத்தமானதாகவும் கூறுகிறது; ஏனெனில் இரு துறைகளுக்கும் கடுமையான அல்லது இயக்கமுள்ள சூழல்களில் sensor data-வை நம்பகமாக கடத்த வேண்டியுள்ளது.

அந்த ஒப்பீடு முக்கியமானது. Advanced driver-assistance systems-க்கு robotics இப்போது எதிர்கொள்கின்ற பல நடைமுறைச் சிக்கல்களையே தீர்க்க வேண்டியிருந்தது; அதில் synchronization, cable constraints, மற்றும் உண்மை உலக சூழலில் நம்பகமான perception ஆகியவை அடங்கும். ஹ்யூமானாய்ட் ரோபோட்டுகள் கார்கள் அல்ல; ஆனால் அவற்றுக்கும் உறுதியான sensing pipeline தேவைப்படுகிறது, அது சூழல் குழப்பமாகினாலும் வெறும் காரணத்தால் தோல்வியடையக் கூடாது.

இந்தக் கட்டுரை தொழில்துறை ஆதரவுடன் எழுதப்பட்டது; எனவே எந்த ஒரு தொழில்நுட்பக் கோரிக்கையையும் அதிகமாக எடுத்துக் கொள்ளும்போது கவனம் தேவை. இருப்பினும், அதன் பொறியியல் வாதம் பொதுவாக நம்பகமானது: மனிதர்களின் அருகில் செயல்படும் ரோபோட்டுகளுக்கு raw image quality மட்டும் போதாது; latency, synchronization, மற்றும் பாதுகாப்பான பதில் ஆகியவற்றை மையமாகக் கொண்ட perception systems தேவை.

இது இப்போது ஏன் முக்கியம்

இந்தக் கட்டுரையின் முக்கியத்துவம் அது bottleneck-ஐ எங்கு வைக்கிறது என்பதில்தான் உள்ளது. ஹ்யூமானாய்ட்கள் பற்றிய பொதுச் செய்தி பெரும்பாலும் பொதுப் பயன்பாட்டு robot workers குறித்த hype மற்றும் mobility demos அடிப்படையிலான சந்தேகம் ஆகிய இரண்டிற்கும் இடையில் அசையும். இந்தப் பகுப்பாய்வு, நடைமுறை bottleneck வேறு எங்காவது இருக்கலாம் என கூறுகிறது. மனிதர்களுக்கு ஏற்ற செயற்பாடு, machine speed-இல் unpredictability-ஐ கையாளக்கூடிய sensing மற்றும் control ஆகியவற்றின் முழு stack-இல் சார்ந்துள்ளது.

அது சரியானால், ஹ்யூமானாய்ட்களில் அடுத்த முக்கிய முன்னேற்றம் theatrical movement-ஐ விட data transport, local processing, மற்றும் sensor integration ஆகியவற்றில் காண முடியாத ஆனால் முக்கியமான மேம்பாடுகளிலிருந்து வரலாம். அவை சந்தைப்படுத்துவதற்கு கடினமானவை, ஆனால் ஒரு ரோபோட்டை ஒரு பாராட்டத்தக்க mechanism-இலிருந்து உண்மையான பணியிடங்களில் safety liability ஆகாமல் நுழையக்கூடிய அமைப்பாக மாற்றுவது அவையே.

பெரிய பாடம் எளியது. ஹ்யூமானாய்ட் ரோபோட்டிக்ஸில் intelligence என்பது planning அல்லது language பற்றி மட்டும் அல்ல. அது மிக நேரடியாக “room-ஐ வாசிப்பது” பற்றியும், மக்கள் அருகே இருக்கும் இயந்திரத்தை நம்ப முடியும் அளவுக்கு நம்பகமாக அதைச் செய்வது பற்றியும் ஆகும்.

இந்தக் கட்டுரை The Robot Report-ன் செய்திப்பரப்பை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.